Agent Skills Hub

scikit-learn

使用 scikit-learn 进行经典机器学习。适用于分类、回归、聚类、降维、数据预处理、模型评估，以及构建 Python 机器学习流程。

llmfit-advisor

分析本地硬件 (RAM, CPU, GPU/VRAM) 并获取优化的本地 LLM 模型推荐、量化设置与性能预估。

configuring-connection-pools

优化 Prisma Client 连接池设置，适用于生产数据库、无服务器环境及高并发架构，以防止连接耗尽与性能瓶颈。

iterate

代码库自动化优化循环。根据特定目标与机械指标，自动修改、测量并迭代代码以提升效能。

MLOps Industrialization

一套将实验性机器学习原型转换为稳健、可发布 Python 软件包的框架，采用 src 布局、混合架构与严谨的配置管理。

context-engineering-expert

先进的上下文工程系统，用于协调 AI 代理、内存管理和 Token 优化，以提升长期持久性和项目智慧。

metadata-optimization

利用专业的 ASO 框架优化您的 App Store 与 Google Play 元数据。精准撰写标题、说明与关键词字段，提升 iOS 与 Android 应用的搜索可见度与转化率。

performance-optimization

通过 Redis 缓存、集群运算、性能分析与监控技术，优化 Node.js 应用程序性能，打造高效且可扩展的后端服务。

context-fundamentals

情境工程基础指南：为 AI 代理优化 Token 预算、注意力机制及系统架构。

creating-opencode-agents

为创建 OpenCode AI 代理程序提供专家指导和配置标准，涵盖 YAML frontmatter、工具权限设置及操作模式等。

grepai-config-reference

GrepAI 配置完整参考，详述 .grepai/config.yaml 架构、嵌入模型设置、存储后端以及优化参数。

pytorch-lightning

PyTorch Lightning 深度学习框架技能：自动化模型训练、多 GPU 编排、数据管道以及 DDP、FSDP 和 DeepSpeed 等分布式训练策略。